R packages:phyloseq(二) 16s 扩增子抽平或重采样

1.导入文件

library("phyloseq")
help(package="phyloseq")
library("ggplot2")
library("ggpubr")#用于事后检验标记
qiimedata <- import_qiime(otufilename = "otu_table.tsv", 
                          mapfilename = "metadata.txt",
                          treefilename = "tree.nwk",
                          refseqfilename ="aligned-dna-sequences.fasta")

2. 查看所有样本总序列数

sample_sums(qiimedata)
#SRR10097305 SRR10097306 SRR10097307 SRR10097308 SRR10097309 SRR10097310 SRR10097311 SRR10097312 
#      14093       14084       10680       12389       17451        6992       15308       12294 
#SRR10097313 SRR10097314 SRR10097315 SRR10097316 SRR10097317 SRR10097318 SRR10097319 SRR10097320 
#      12272       18391       17311       15918       16400       13078       13108       10339 
#SRR10097321 SRR10097323 SRR10097324 SRR10097325 SRR10097326 SRR10097327 SRR10097328 SRR10097329 
#      12959        7874        8725        9194       11842       10178        9095       10673 

3.抽平

set.seed(1234)#设置一个随机种子便于重复
rare.data <-  rarefy_even_depth(sub_qiimedata,replace = TRUE)
ps.rarefied <-  rarefy_even_depth(qiimedata, rngseed=1, sample.size=0.95*min(sample_sums(qiimedata)), replace=F)
#...
#114OTUs were removed because they are no longer 
#present in any sample after random subsampling
#...

其结果是按照序列数最少的样品重采样,

sample_sums(rare.data)
#SRR10097305 SRR10097306 SRR10097307 SRR10097308 SRR10097309 
#       6977        6977        6977        6977        6977 
#SRR10097310 SRR10097311 SRR10097312 SRR10097313 SRR10097314 
#       6977        6977        6977        6977        6977 
#SRR10097315 SRR10097316 SRR10097317 SRR10097318 SRR10097319 
#       6977        6977        6977        6977        6977 
#SRR10097320 SRR10097321 SRR10097323 SRR10097324 SRR10097325 
#      6977        6977        6977        6977        6977 
#SRR10097326 SRR10097327 SRR10097328 SRR10097329 SRR10097330 
#       6977        6977        6977        6977        6977 

114个OTU由于重采样丰度较低而被删除。

a=qiimedata@otu_table[setdiff(rownames(qiimedata@otu_table),rownames(rare.otu)),]
#OTU Table:          [114 taxa and 25 samples]
#                     taxa are rows
#                                 SRR10097305 SRR10097306 SRR10097307 SRR10097308 SRR10097309
#fc1b43bf2d8af4dd093b78f20fe5b133           0           0           0           0           0
#74cb8df8fd0e39cfd2a0e1fdb5fc7f86           0           0           0           0           0
#e387a97e6247e0fff825ad9f1adf83ae           0           0           0           0           0
max(rowSums(a))
#[1] 13

即把序列数少于等于13的otu删除。
作图

plot_bar(rare.data, fill="Phylum")
Rplot08.png

转化OTUcount数为相对丰度

GPr  = transform_sample_counts(rare.data, function(x) x / sum(x) *100)
plot_bar(GPr, fill="Phylum")+
  facet_wrap(~group,scales = "free")
Rplot09.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
禁止转载,如需转载请通过简信或评论联系作者。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,463评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,868评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,213评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,666评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,759评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,725评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,716评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,484评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,928评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,233评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,393评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,073评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,718评论 3 324
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,308评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,538评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,338评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,260评论 2 352